CN109118098B - 高比例风电并网的连锁故障风险评估方法及系统 - Google Patents
高比例风电并网的连锁故障风险评估方法及系统 Download PDFInfo
- Publication number
- CN109118098B CN109118098B CN201810955790.7A CN201810955790A CN109118098B CN 109118098 B CN109118098 B CN 109118098B CN 201810955790 A CN201810955790 A CN 201810955790A CN 109118098 B CN109118098 B CN 109118098B
- Authority
- CN
- China
- Prior art keywords
- line
- load
- fault
- power
- wind power
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000012502 risk assessment Methods 0.000 title claims abstract description 27
- 230000010354 integration Effects 0.000 title claims abstract description 21
- 238000009826 distribution Methods 0.000 claims abstract description 49
- 238000004364 calculation method Methods 0.000 claims abstract description 43
- 230000008569 process Effects 0.000 claims abstract description 10
- 230000005540 biological transmission Effects 0.000 claims description 21
- 238000003860 storage Methods 0.000 claims description 20
- 238000005520 cutting process Methods 0.000 claims description 19
- 230000009471 action Effects 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 10
- 238000011156 evaluation Methods 0.000 claims description 6
- 238000012546 transfer Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 4
- 238000010248 power generation Methods 0.000 claims description 4
- 230000005611 electricity Effects 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 3
- 238000002955 isolation Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000007257 malfunction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000035699 permeability Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Development Economics (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Computational Biology (AREA)
- Algebra (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了高比例风电并网的连锁故障风险评估方法及系统,包括:根据风电预测误差历史数据建立风电预测误差模型,得到风电出力分布;选取初始故障集;初始故障集的某一故障发生,开始事故链搜索:判断电力系统是否解列,若解列,进行孤岛平衡并停止当前事故链搜索;若电力系统未解列,则进行随机潮流计算,若潮流计算结果不收敛概率大于设定值,进行切负荷控制,根据以上生成的事故链集合,计算电力系统失负荷损失风险指标和线路重要度指标。本发明提供的技术方案在事故链演化过程中充分考虑风电不确定带来的影响,对系统的风险评估更为全面,适用于高比例风电并网的背景。
Description
技术领域
本发明涉及电气控制技术领域,特别是涉及一种高比例风电并网的连锁故障风险评估方法及系统。
背景技术
电力系统连锁故障是由初始扰动导致其他相关元件相继发生故障,并持续发展的过程,是近年来世界范围内多起大停电事故的主要诱因。虽然风电预测方法在不断改进,但是仍然存在20%~30%的预测误差。在高比例可再生能源并网的背景下,高风电渗透率使这种不确定性对系统电源侧的影响更为显著,增加了系统风险。因此深入研究风电并网的系统连锁故障风险对于提高含大规模风电系统预防控制能力,维护系统安全稳定具有重要意义。
目前关于连锁故障理论和模型的研究方法国内外大体分为三类:以OPA模型、马尔科夫链模型为代表的从电力系统分析的角度进行研究的复杂系统理论;以小世界理论、无标度网络理论为代表的基于网络拓扑结构分析的复杂网络理论;以事故链为代表的模式搜索法。
上述研究方法存在的问题是:复杂系统理论描述了连锁故障的物理过程,揭示了电网的自组织临界特征;复杂网络理论常用于分析系统脆弱性,但是无法完全反映电网的实际动态特性;事故链模型结合实际物理过程,对连锁故障进行模拟,既能对连锁故障进行定量分析,又能有效控制计算量。
当前关于风电并网的连锁故障模型生成连锁故障路径时均将风电实际出力当作确定量处理,但在大规模风电并网背景下,风电不确定性对系统稳定性影响的程度随渗透率的提高而增大,风电预测误差的影响无法忽略,在这种风电处理方式下进行连锁故障评估不能全面反映系统风险。
发明内容
本发明的目的是在高比例风电并网背景下,提供高比例风电并网的连锁故障风险评估方法,对电力系统的风险评估更为全面。
高比例风电并网的连锁故障风险评估方法,包括:
根据风电预测误差历史数据建立风电预测误差模型,得到风电出力分布;
综合线路故障率、负载率、支路传输功率在系统负载中所占比重、线路停运导致的系统功率波动率选取初始故障集,表现为线路停运序列;
初始故障集的某一故障发生,开始搜索:判断电力系统是否解列,若解列,进行孤岛平衡并停止当前事故链搜索,若电力系统未解列,则根据风电出力分布进行随机潮流计算,若潮流计算结果不收敛概率大于设定值,进行切负荷控制,停止当前事故链搜索,搜索完所有初始故障并生成事故链集合;
根据以上生成的事故链集合,计算所对应的每个事故链的电力系统失负荷损失风险指标和线路重要度指标,所述指标用于评估电力系统连锁故障风险。
进一步优选的技术方案,建立风电预测误差模型时所基于的风电预测误差历史数据,在进行数据处理时,首先对历史数据分时段,再用非参数的核密度估计法分段拟合各风电场的预测误差概率分布,风电预测误差分布加上风电点预测值得到风电出力分布。
进一步优选的技术方案,对于线路故障率,采用历史统计的平均故障率,与线路长度、电压等级相关;
负载率,为某一线路的视在功率模值与该线路的最大视在功率模值的比值;
支路传输功率在系统负载中所占比重,为某一线路的视在功率模值与电力系统总负荷的比值;
其中,ΔFj为线路k开断引起的线路j视在功率的波动;Fj,0为线路j的初始潮流;Ω为除线路k的集合。
进一步优选的技术方案,对线路故障率、负载率、支路传输功率在系统负载中所占比重、线路停运导致的系统功率波动率进行综合处理时,需要进行归一化处理,针对不同的指标分配不同的权重,获得线路的初始故障综合风险指标。
进一步优选的技术方案,对随机潮流结果分布中的各离散点计算线路的初始故障综合风险指标,所得线路综合风险指标为概率分布,采用风险价值VaR分析各线路的初始故障综合指标分布情况,计算各线路初始故障综合风险指标的风险价值VaR,选取VaR值大的作为初始故障。
进一步优选的技术方案,连锁故障演化时,若潮流计算结果不收敛概率不大于设定值,判断当前是否有线路严重过载,若有,切除所有严重过载线路,否则切除随机故障线路。
进一步优选的技术方案,关于线路的随机故障,用随机故障风险指标来评估,所述随机故障风险指标的计算包括线路随机故障概率计算及线路随机故障后果计算;
其中,线路随机故障概率考虑线路重载和保护隐形故障2种影响因素;
关于线路重载:计算线路实时停运率模型中事故链中第j级第k条线路因重载故障的概率;
关于保护隐形故障:计算保护隐性故障模型中事故链中第j级第k条线路保护误动概率。
进一步优选的技术方案,线路随机故障后果包括3种:系统解列;负荷孤立;线路切除后功率转移引起其他线路过载;
线路随机故障后果计算时,若第j级故障线路k切除导致系统解列,需对每个孤岛进行功率平衡,产生切负荷量;
当线路切除使负荷被孤立时,产生失负荷量;
计算当第j级线路k发生故障,系统的线路总过负荷量;
根据切负荷量、失负荷量及系统的线路总过负荷量定义第j级第k条线路故障的后果严重度,并计算第k条线路在第j级发生随机故障的风险指标。
进一步优选的技术方案,对随机潮流结果分布中的各离散点计算上述随机故障的风险指标,即可得到随机故障风险指标概率密度分布,计算置信度下各线路随机故障风险指标的VaR 的值,选取VaR值大的作为下一级故障线路。
进一步优选的技术方案,针对电力系统失负荷损失风险指标,定义第i条连锁故障事故链的失负荷损失风险为每条事故链发生的概率与每条事故链的失负荷损失后果之积;
事故链失负荷损失风险包括:失负荷损失概率,即每条事故链发生的概率;失负荷损失后果。
进一步优选的技术方案,失负荷损失后果的计算包括:定义系统切负荷控制失负荷量及孤岛平衡失负荷量;
用模糊C均值聚类法对风电预测误差样本聚类,各聚类中心作为风电预测误差的场景,确定模糊C均值聚类法的目标函数;
切负荷控制采用基于直流潮流的最优潮流模型,优化的目标为经济性指标,是使切负荷的经济损失和发电机发电成本总和最小,为实现风电优先上网,设定风电出力成本为0,并作出具体的模型。
进一步优选的技术方案,失负荷损失概率定义为:
PCi=p1p2…pk
式中:p1为初始故障概率;pi为前一故障发生的条件下该故障发生的概率,以下简称后续线路切除概率;k为搜索深度,i≥1;
其中初始故障的概率p1即为各线路停运率的统计值,pi由线路故障概率即需要保护动作的概率,保护的动作和断路器的动作三者共同决定。
进一步优选的技术方案,定义线路潮流严重越限和随机故障两种情况下后续线路切除概率。
进一步优选的技术方案,基于失负荷损失风险指标,线路重要度指标定义为:
本发明的第二目的是提供高比例风电并网的连锁故障风险评估系统。
为了实现上述目的,本发明采用如下一种技术方案:
高比例风电并网的连锁故障风险评估系统,包括:
风电出力分布计算单元,根据风电预测误差历史数据建立风电预测误差模型,得到风电出力分布;
事故链集合生成单元,综合线路故障率、负载率、支路传输功率在系统负载中所占比重、线路停运导致的系统功率波动率选取初始故障集,表现为线路停运序列;
初始故障集的某一故障发生,开始搜索:判断电力系统是否解列,若解列,进行孤岛平衡并停止当前事故链搜索,若电力系统未解列,则根据风电出力分布进行随机潮流计算,若潮流计算结果不收敛概率大于设定值,进行切负荷控制,停止当前事故链搜索,搜索完所有初始故障并生成事故链集合;
电力系统连锁故障风险评估单元,根据以上生成的事故链集合,计算所对应的每个事故链的电力系统失负荷损失风险指标和线路重要度指标,所述指标用于评估电力系统连锁故障风险。
本发明的第三目的是提供一种计算机可读存储介质。
为了实现上述目的,本发明采用如下一种技术方案:
一种计算机可读存储介质,其中存储有多条指令,所述指令适于由终端设备的处理器加载并执行所述的高比例风电并网的连锁故障风险评估方法。
本发明的第四目的是提供一种终端设备。
为了实现上述目的,本发明采用如下一种技术方案:
一种终端设备,包括处理器和计算机可读存储介质,处理器用于实现各指令;计算机可读存储介质用于存储多条指令,所述指令适于由处理器加载并执行所述的一种高比例风电并网的连锁故障风险评估方法。
与现有技术相比,本发明的有益效果是:
本发明提供的技术方案在事故链演化过程中充分考虑风电不确定带来的影响,对系统的风险评估更为全面,适用于高比例风电并网的背景。
连锁故障模型中的随机潮流用高效率的计算方法,切负荷控制用直流潮流模型,在保证精度在可接受范围内的同时提高了计算效率;基于失负荷损失风险指标建立线路重要度指标,分析连锁故障发展过程中的关键线路,可以为连锁故障阻断控制提供参考。该模型分析结果可以用于指导日前运行计划的制定。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。
图1为本发明提供的考虑风电不确定性的连锁故障风险评估方法中一条事故链的搜索流程图。
具体实施方式
应该指出,以下详细说明都是例示性的,旨在对本申请提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
本申请基于随机潮流计算进行连锁故障事故链推演,并根据风险价值理论分析发明中各种指标的概率分布,选择后续故障,从而得到完整的事故链。
本申请的关键技术在于事故链初始故障集的选取;后续故障环节的筛选,包括随机故障线路的选择,严重故障线路的判断;考虑风电预测误差的系统失负荷损失风险指标的计算;基于以上系统失负荷损失风险指标的线路重要度指标计算。
实施例子1
本申请的一种典型的实施方式中,如图1所示,提供了高比例风电并网的连锁故障风险评估方法,所述方法包括如下步骤:
步骤1:根据历史数据建立风电预测误差模型,得到风电出力分布,后续应用于随机潮流计算;
步骤2:综合线路故障率、负载率、支路传输功率在系统负载中所占比重、线路停运导致的系统功率波动率选取初始故障集;
步骤3:初始故障集的某一故障发生,开始事故链搜索;
步骤4:判断系统是否解列,若解列,进行孤岛平衡并停止当前事故链搜索,进入步骤8,否则进入步骤5;
步骤5:随机潮流计算,若潮流计算结果不收敛概率大于50%,进行切负荷控制,停止当前事故链搜索,进入步骤8,否则进入步骤6;
步骤6:判断当前是否有线路严重过载,若有,切除所有严重过载线路并进入步骤4,否则进入步骤7;
步骤7:切除随机故障线路,进入步骤4;
步骤8:判断是否搜索完所有初始故障,若还有未开始搜索的初始故障,进入步骤3,否则进入步骤9;
步骤9:根据以上生成的事故链集合,计算系统失负荷损失风险指标和线路重要度指标。
具体的,步骤1中风电预测误差建模方法是将风电预测误差历史数据按时段进行整理,用非参数的核密度估计法分段拟合各风电场的预测误差概率分布,用核密度函数表达如下:
式中:fh(x)为在x点的概率密度;K(·)为核函数,选用高斯核函数;Xi为样本点;n为样本容量;h为窗宽。
其中,风电预测误差概率分布加上风电点预测值得到风电出力分布。
需要说明的是,在步骤2中初始故障的选择原则为:不遗漏严重故障,尽量去除不严重的故障。分析以往连锁故障事故,高负载线路易发生故障,承担更多系统功率传输任务的线路故障会导致潮流大规模转移,易引发连锁故障。因此,综合线路故障率λk、负载率dk、支路传输功率在系统负载中所占比重bk、线路停运导致的系统功率波动率hk定义初始故障风险指标。线路故障率λk采用历史统计的平均故障率,与线路长度、电压等级有关。负载率dk、支路传输功率在系统负载中所占比重bk、线路停运导致的系统功率波动率hk定义如下:
式中:|Fk|为线路k的视在功率模值;|Fk,max|为线路k的最大视在功率模值;FL为系统总负荷;ΔFj为线路k开断引起的线路j视在功率的波动;Fj,0为线路j的初始潮流;Ω为除线路k的集合。
由于四个指标量类型不同,综合时需进行归一化处理,则线路的初始故障综合风险指标为:
式中:M为所有线路集合;w1,w2,w3,w4为指标权重。
对随机潮流结果分布中的各离散点计算上述指标,所得线路综合风险指标不再是一个值,而是概率分布。采用风险价值(VaR)分析各线路的初始故障综合指标分布情况。VaR定义为:
Prob(x>α)=σ
式中:σ为置信度,σ∈(0,1);α为VaR值;x为风险指标。其物理含义为:以超过σ的概率确信综合风险指标大于α。
已知综合风险指标密度函数f(Ek),置信度为σ的VaR的值α的计算公式如下:
先给出VaR的两个估计值α1和α2,使相应置信度σ1和σ2满足σ1<σ<σ2,采用黄金分割法或二分法通过迭代计算求得置信度为σ的VaR。
取置信度为σf(95%),计算各线路初始故障综合风险指标的VaR值,选取VaR值最大的作为初始故障。
在具体实施例子中,步骤5中随机潮流计算用高效的模拟法,如拉丁超立方随机潮流计算。潮流不收敛说明当前运行点不再适用,往往伴随系统失稳的发生,需要通过切负荷操作维持系统稳定。
其中,连锁故障演化时,后续故障的产生有2种情况:由于越限,保护动作导致的线路切除(步骤6);线路的随机故障(步骤7)。保护切除线路动作发生很迅速,时间尺度为秒级,而线路的随机故障可能是由重载线路热效应引发的线路下垂触树故障,或保护隐性故障导致的线路开断,通常需要几分钟到十几分钟。
具体的,步骤6中,一般当支路潮流在一定程度内越限时,为维持系统稳定,保护不会立即动作。而当线路负载率超过一定限值时,保护应立即动作,切除所有越限支路。严重越限支路指线路负载率超过一定限值的线路。例如取限值为负载率达到1.4,计算各线路负载率 VaR为1.4时的置信度σs,若σs的值大于阈值(如90%),保护应立即动作,切除该线路。
关于步骤7中提出随机故障风险指标,用以指导随机故障线路的选择。该指标综合评估上一级故障带来的影响(故障发生概率)和本级线路故障对系统带来的影响(故障后果)。连锁故障的特点是前后故障有明显的因果关联,因此中间环节故障的预测应该考虑上一级故障的影响。但是若指标仅从各元件受上一故障影响程度出发,以最有可能发生故障的元件作为下级故障,可能会忽略一些低概率,高风险的情况,故本发明所提供的风险形式的指标能更全面分析各种故障对系统的影响,指导随机故障线路的选取。
其中,随机故障风险指标的计算包括2部分:1)线路随机故障概率计算和2)线路随机故障后果计算。
1)线路随机故障概率考虑线路重载和保护隐形故障2种影响因素。
线路实时停运率模型中事故链中第j级第k条线路因重载故障的概率为:
保护隐性故障时事故链中第j级第k条线路保护误动概率Pmis(k,j)定义为:
式中:Z3,k为线路k距离保护Ⅲ段的整定值;PW,k为线路k保护误动的统计值;Z(k,j)为第 j-1级故障发生后线路k保护装置的测量阻抗。
2)线路随机故障后果包括3种:系统解列;负荷孤立;线路切除后功率转移,引起其他线路过载。
式中:F(l,j+1)为第j级线路k故障后线路l的支路潮流,E为j级故障发生后的线路集合。
用效应理论刻画后果严重程度,统一分析三种后果(系统解列;负荷孤立;线路切除后功率转移,引起其他线路过载)。定义第j级第k条线路故障的后果严重度为:
Sev(k,j)=Sev1+Sev2+Sev3
式中:a1、a2和a3分别为调节三种后果(系统解列;负荷孤立;线路切除后功率转移,引起其他线路过载)严重度增长速度的系数,反映对后果的容忍程度。
第k条线路在第j级发生随机故障的风险指标为:
R(k,j)=(Phl(k,j)+Pmis(k,j))Sev(k,j)
对随机潮流结果分布中的各离散点计算上述指标,即可得到随机故障风险指标概率密度分布。与初始故障的选取相似,计算置信度σr(如95%)下各线路随机故障风险指标的VaR 的值,选取VaR值最大的作为下一级故障线路。
具体的,步骤9中,第i条连锁故障事故链的失负荷损失风险指标定义为:
RCi=PCiSCi
式中:PCi为每条事故链发生的概率,SCi为每条事故链的失负荷损失后果。
系统的连锁故障概率为所有事故链发生概率的总和,系统的失负荷损失风险为所有事故链失负荷损失风险的总和。
事故链失负荷损失风险包括2部分:失负荷损失概率,即每条事故链发生的概率;失负荷损失后果。
1)失负荷损失后果包括3部分:连锁故障过程中出现负荷母线孤立;步骤4中的孤岛平衡;步骤5中的切负荷控制。
步骤4中的孤岛平衡和步骤5中的切负荷控制,考虑风电出力不确定性的影响,在有代表性的风电场景下进行计算,综合所有场景下的计算结果,得到最终计算结果。定义系统切负荷控制失负荷量Slc和孤岛平衡失负荷量Slb为:
式中:D为风电出力场景集合;Pws,j为第j个风电场景概率;Flc,j和Flb,j分别为风电场景j 下切负荷损失和功率不平衡量。
用模糊C均值聚类法对风电预测误差样本聚类,各聚类中心作为风电预测误差的场景。模糊C均值聚类法的目标函数如下:
式中:xi为样本;k为聚类数目,即风电场景个数;mj为第j类的聚类中心,即代表性风电场景;μj(xi)是隶属度值,表示元素xi对类别j的隶属程度;b为平滑因子,多取值为2。
切负荷控制采用基于直流潮流的最优潮流模型。优化的目标为经济性指标,是使切负荷的经济损失和发电机发电成本总和最小。为实现风电优先上网,设定风电出力成本为0。具体模型如下:
0≤PCi≤PLi i=1,2,…,N
式中:NG为发电机个数;N为节点个数;PCi为节点i切负荷量;PGi为发电机出力;λ1λ2λ3为发电成本系数;k1k2为失负荷赔偿系数;ηi∈(0,1)表示负荷重要度,值越大失电获得的赔偿越大;SGi为节点i所连发电机集合;PGj为发电机有功;xij为支路电抗;θij为i、j节点相角差; PLi为节点i上的原负荷量;为支路功率;为正常情况下线路传输有功的最大值;NL为线路数。约束包括:节点功率平衡方程、线路潮流约束、切负荷量限制和发电机约束。
2)失负荷损失概率定义为:
PCi=p1p2…pk
式中:p1为初始故障概率;pi(i≥1)为前一故障发生的条件下该故障发生的概率(以下简称后续线路切除概率);k为搜索深度。
其中初始故障的概率p1即为各线路停运率的统计值,pi(i≥1)由线路故障概率即需要保护动作的概率,保护的动作和断路器的动作三者共同决定。
定义线路潮流严重越限和随机故障两种情况下后续线路切除概率如下:
a)若为潮流严重越限
pi=Pspf[(1-Pin_r)(1-Pin_c)+perr]
perr=E(Pmis_r)(1-Pmis_c-Pin_c)+Pmis_c
式中:Pin_r为保护拒动概率;Pin_c为断路器拒动概率;E(Pmis_r)为支路潮流分布对应的保护隐性故障模型中保护误动概率分布的期望;Pmis_c为断路器误动概率;perr为线路在保护/ 断路器不正确动作状态下断开的概率。
b)若为线路随机故障,线路故障概率由线路实时停运率模型和保护隐性故障模型得到。隐性故障导致线路切除的概率只与保护和断路器动作有关,需距离保护误动且断路器不拒动。线路切除概率pi为:
pi=pi1+pi2
pi1=E(Plr)[(1-Pin_r)(1-Pin_c)+perr]
pi2=E(Pmis_r)(1-Pin_c)
式中:E(Plr)为支路潮流分布对应的停运率模型中停运概率分布的期望;pi1为重载导致的后续线路切除概率;pi2为保护隐性故障导致的后续线路切除概率。
保护拒动概率Pin_r、断路器误动概率Pmis_c和拒动概率Pin_c可视为常数,由统计得到。
基于失负荷损失风险指标,步骤9中线路重要度指标定义为:
实施例2:
本实施例2的目的是提供一种计算机可读存储介质。
为了实现上述目的,本发明采用如下一种技术方案:
一种计算机可读存储介质,其中存储有多条指令,所述指令适于由终端设备的处理器加载并执行以下处理:
步骤1:根据历史数据建立风电预测误差模型,得到风电出力分布,后续应用于随机潮流计算;
步骤2:综合线路故障率、负载率、支路传输功率在系统负载中所占比重、线路停运导致的系统功率波动率选取初始故障集;
步骤3:初始故障集的某一故障发生,开始事故链搜索;
步骤4:判断系统是否解列,若解列,进行孤岛平衡并停止当前事故链搜索,进入步骤8,否则进入步骤5;
步骤5:随机潮流计算,若潮流计算结果不收敛概率大于50%,进行切负荷控制,停止当前事故链搜索,进入步骤8,否则进入步骤6;
步骤6:判断当前是否有线路严重过载,若有,切除所有严重过载线路并进入步骤4,否则进入步骤7;
步骤7:切除随机故障线路,进入步骤4;
步骤8:判断是否搜索完所有初始故障,若还有未开始搜索的初始故障,进入步骤3,否则进入步骤9;
步骤9:根据以上生成的事故链集合,计算系统失负荷损失风险指标和线路重要度指标。
实施例3:
本实施例3的目的是提供高比例风电并网的连锁故障风险评估装置。
为了实现上述目的,本发明采用如下一种技术方案:
高比例风电并网的连锁故障风险评估装置,包括处理器和计算机可读存储介质,处理器用于实现各指令;计算机可读存储介质用于存储多条指令,所述指令适于由处理器加载并执行以下处理:
步骤1:根据历史数据建立风电预测误差模型,得到风电出力分布,后续应用于随机潮流计算;
步骤2:综合线路故障率、负载率、支路传输功率在系统负载中所占比重、线路停运导致的系统功率波动率选取初始故障集;
步骤3:初始故障集的某一故障发生,开始事故链搜索;
步骤4:判断系统是否解列,若解列,进行孤岛平衡并停止当前事故链搜索,进入步骤8,否则进入步骤5;
步骤5:随机潮流计算,若潮流计算结果不收敛概率大于50%,进行切负荷控制,停止当前事故链搜索,进入步骤8,否则进入步骤6;
步骤6:判断当前是否有线路严重过载,若有,切除所有严重过载线路并进入步骤4,否则进入步骤7;
步骤7:切除随机故障线路,进入步骤4;
步骤8:判断是否搜索完所有初始故障,若还有未开始搜索的初始故障,进入步骤3,否则进入步骤9;
步骤9:根据以上生成的事故链集合,计算系统失负荷损失风险指标和线路重要度指标。
实施例4:
本实施例4的目的是提供高比例风电并网的连锁故障风险评估系统。
为了实现上述目的,本发明采用如下一种技术方案:
高比例风电并网的连锁故障风险评估系统,包括:
风电出力分布计算单元,根据风电预测误差历史数据建立风电预测误差模型,得到风电出力分布;
事故链集合生成单元,综合线路故障率、负载率、支路传输功率在系统负载中所占比重、线路停运导致的系统功率波动率选取初始故障集,表现为线路停运序列;
初始故障集的某一故障发生,开始搜索:判断电力系统是否解列,若解列,进行孤岛平衡并停止当前事故链搜索,若电力系统未解列,则根据风电出力分布进行随机潮流计算,若潮流计算结果不收敛概率大于设定值,进行切负荷控制,停止当前事故链搜索,搜索完所有初始故障并生成事故链集合;
电力系统连锁故障风险评估单元,根据以上生成的事故链集合,计算所对应的每个事故链的电力系统失负荷损失风险指标和线路重要度指标,所述指标用于评估电力系统连锁故障风险。
在本实施例中,计算机程序产品可以包括计算机可读存储介质,其上载有用于执行本公开的各个方面的计算机可读程序指令。计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
本文所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开内容操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网 (WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本公开内容的各个方面。
应当注意,尽管在上文的详细描述中提及了设备的若干模块或子模块,但是这种划分仅仅是示例性而非强制性的。实际上,根据本公开的实施例,上文描述的两个或更多模块的特征和功能可以在一个模块中具体化。反之,上文描述的一个模块的特征和功能可以进一步划分为由多个模块来具体化。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (8)
1.高比例风电并网的连锁故障风险评估方法,其特征是,包括:
根据风电预测误差历史数据建立风电预测误差模型,得到风电出力分布;
综合线路故障率、负载率、支路传输功率在系统负载中所占比重、线路停运导致的系统功率波动率选取初始故障集,表现为线路停运序列;
初始故障集的某一故障发生,开始搜索:判断电力系统是否解列,若解列,进行孤岛平衡并停止当前事故链搜索,若电力系统未解列,则根据风电出力分布进行随机潮流计算,若潮流计算结果不收敛概率大于设定值,进行切负荷控制,停止当前事故链搜索,搜索完所有初始故障并生成事故链集合;
根据以上生成的事故链集合,计算所对应的每个事故链的电力系统失负荷损失风险指标和线路重要度指标,所述指标用于评估电力系统连锁故障风险;
对线路故障率、负载率、支路传输功率在系统负载中所占比重、线路停运导致的系统功率波动率进行综合处理时,需要进行归一化处理,针对不同的指标分配不同的权重,获得线路的初始故障综合风险指标;
对随机潮流结果分布中的各离散点计算线路的初始故障综合风险指标,所得线路综合风险指标为概率分布,采用风险价值VaR分析各线路的初始故障综合指标分布情况,计算各线路初始故障综合风险指标的风险价值VaR,选取VaR值大的作为初始故障。
3.如权利要求1所述的高比例风电并网的连锁故障风险评估方法,其特征是,连锁故障演化时,若潮流计算结果不收敛概率不大于设定值,判断当前是否有线路严重过载,若有,切除所有严重过载线路,否则切除随机故障线路;
进一步优选的技术方案,关于线路的随机故障,用随机故障风险指标来评估,所述随机故障风险指标的计算包括线路随机故障概率计算及线路随机故障后果计算;
其中,线路随机故障概率考虑线路重载和保护隐形故障2种影响因素;
关于线路重载:计算线路实时停运率模型中事故链中第j级第k条线路因重载故障的概率;
关于保护隐形故障:计算保护隐性故障模型中事故链中第j级第k条线路保护误动概率;
进一步优选的技术方案,线路随机故障后果包括3种:系统解列;负荷孤立;线路切除后功率转移引起其他线路过载;
线路随机故障后果计算时,若第j级故障线路k切除导致系统解列,需对每个孤岛进行功率平衡,产生切负荷量;
当线路切除使负荷被孤立时,产生失负荷量;
计算当第j级线路k发生故障,系统的线路总过负荷量;
根据切负荷量、失负荷量及系统的线路总过负荷量定义第j级第k条线路故障的后果严重度,并计算第k条线路在第j级发生随机故障的风险指标;
进一步优选的技术方案,对随机潮流结果分布中的各离散点计算上述随机故障的风险指标,即可得到随机故障风险指标概率密度分布,计算置信度下各线路随机故障风险指标的VaR的值,选取VaR值大的作为下一级故障线路。
4.如权利要求1所述的高比例风电并网的连锁故障风险评估方法,其特征是,针对电力系统失负荷损失风险指标,定义第i条连锁故障事故链的失负荷损失风险为每条事故链发生的概率与每条事故链的失负荷损失后果之积;
事故链失负荷损失风险包括:失负荷损失概率,即每条事故链发生的概率;失负荷损失后果;
进一步优选的技术方案,失负荷损失后果的计算包括:定义系统切负荷控制失负荷量及孤岛平衡失负荷量;
用模糊C均值聚类法对风电预测误差样本聚类,各聚类中心作为风电预测误差的场景,确定模糊C均值聚类法的目标函数;
切负荷控制采用基于直流潮流的最优潮流模型,优化的目标为经济性指标,是使切负荷的经济损失和发电机发电成本总和最小,为实现风电优先上网,设定风电出力成本为0,并作出具体的模型。
5.如权利要求1所述的高比例风电并网的连锁故障风险评估方法,其特征是,失负荷损失概率定义为:
PCi=p1p2…pk
式中:p1为初始故障概率;pi为前一故障发生的条件下该故障发生的概率,以下简称后续线路切除概率;k为搜索深度,i≥1;
其中初始故障的概率p1即为各线路停运率的统计值,pi由线路故障概率即需要保护动作的概率,保护的动作和断路器的动作三者共同决定;
进一步优选的技术方案,定义线路潮流严重越限和随机故障两种情况下后续线路切除概率;
进一步优选的技术方案,基于失负荷损失风险指标,线路重要度指标定义为:
6.高比例风电并网的连锁故障风险评估系统,其特征是,包括:
风电出力分布计算单元,根据风电预测误差历史数据建立风电预测误差模型,得到风电出力分布;
事故链集合生成单元,综合线路故障率、负载率、支路传输功率在系统负载中所占比重、线路停运导致的系统功率波动率选取初始故障集,表现为线路停运序列;
初始故障集的某一故障发生,开始搜索:判断电力系统是否解列,若解列,进行孤岛平衡并停止当前事故链搜索,若电力系统未解列,则根据风电出力分布进行随机潮流计算,若潮流计算结果不收敛概率大于设定值,进行切负荷控制,停止当前事故链搜索,搜索完所有初始故障并生成事故链集合;
电力系统连锁故障风险评估单元,根据以上生成的事故链集合,计算所对应的每个事故链的电力系统失负荷损失风险指标和线路重要度指标,所述指标用于评估电力系统连锁故障风险;
所述事故链集合生成单元对线路故障率、负载率、支路传输功率在系统负载中所占比重、线路停运导致的系统功率波动率进行综合处理时,需要进行归一化处理,针对不同的指标分配不同的权重,获得线路的初始故障综合风险指标;
所述事故链集合生成单元对随机潮流结果分布中的各离散点计算线路的初始故障综合风险指标,所得线路综合风险指标为概率分布,采用风险价值VaR分析各线路的初始故障综合指标分布情况,计算各线路初始故障综合风险指标的风险价值VaR,选取VaR值大的作为初始故障。
7.一种计算机可读存储介质,其中存储有多条指令,其特征是,所述指令适于由终端设备的处理器加载并执行权利要求1-5任一所述的高比例风电并网的连锁故障风险评估方法。
8.一种终端设备,包括处理器和计算机可读存储介质,处理器用于实现各指令;计算机可读存储介质用于存储多条指令,其特征是,所述指令适于由处理器加载并执行权利要求1-5任一所述的一种高比例风电并网的连锁故障风险评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810955790.7A CN109118098B (zh) | 2018-08-21 | 2018-08-21 | 高比例风电并网的连锁故障风险评估方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810955790.7A CN109118098B (zh) | 2018-08-21 | 2018-08-21 | 高比例风电并网的连锁故障风险评估方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109118098A CN109118098A (zh) | 2019-01-01 |
CN109118098B true CN109118098B (zh) | 2020-06-12 |
Family
ID=64853495
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810955790.7A Active CN109118098B (zh) | 2018-08-21 | 2018-08-21 | 高比例风电并网的连锁故障风险评估方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109118098B (zh) |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109936133B (zh) * | 2019-02-28 | 2020-11-20 | 国网山东省电力公司青岛供电公司 | 考虑信息物理联合攻击的电力系统脆弱性分析方法 |
CN109784780B (zh) * | 2019-03-04 | 2022-12-30 | 广东工业大学 | 一种电力系统韧性的评估方法、装置及设备 |
CN110070266B (zh) * | 2019-03-22 | 2024-03-29 | 中国电力科学研究院有限公司 | 一种用于识别电网连锁故障大事件的方法及系统 |
CN109873457B (zh) * | 2019-04-12 | 2020-07-10 | 合肥工业大学 | 台风天气条件下电力系统的多时间尺度连锁故障预测方法 |
CN110348674A (zh) * | 2019-05-28 | 2019-10-18 | 贵州电网有限责任公司 | 一种电网风险评估方法、系统和计算机可读存储介质 |
CN112598204A (zh) * | 2019-09-17 | 2021-04-02 | 北京京东乾石科技有限公司 | 确定观测设备失效率区间的方法和装置 |
CN111082402B (zh) * | 2019-12-31 | 2022-01-07 | 西安理工大学 | 一种关于输电网连锁故障序列的预测方法 |
CN111882125B (zh) * | 2020-07-24 | 2022-10-04 | 合肥工业大学 | 基于风险元理论的电力信息物理系统连锁故障预测方法 |
CN112085275B (zh) * | 2020-09-09 | 2022-09-13 | 合肥工业大学 | 基于多时间尺度的电力信息物理系统的连锁故障预测方法 |
CN113033989B (zh) * | 2021-03-19 | 2022-09-20 | 国网河北省电力有限公司邢台供电分公司 | 一种输电线路的故障风险评估方法、装置及终端设备 |
CN113837625B (zh) * | 2021-09-27 | 2024-04-02 | 内蒙古电力(集团)有限责任公司电力调度控制分公司 | 电网连锁故障的风险定量评估方法、装置及设备 |
CN113997989B (zh) * | 2021-11-29 | 2024-03-29 | 中国人民解放军国防科技大学 | 磁浮列车单点悬浮系统安全检测方法、装置、设备及介质 |
CN114386330B (zh) * | 2022-01-14 | 2024-02-20 | 合肥工业大学 | 一种基于q学习网络攻击的电网连锁故障预测方法 |
CN114493365A (zh) * | 2022-03-02 | 2022-05-13 | 国网上海市电力公司 | 一种含风电场电力系统连锁故障脆弱性的评估方法 |
CN114895115B (zh) * | 2022-03-09 | 2023-04-18 | 合肥工业大学 | 特高压直流控保系统中基于启发式搜索分析的故障预测方法 |
CN115115220B (zh) * | 2022-06-27 | 2024-04-26 | 山东大学 | 一种直流送端系统新能源连锁故障风险评估方法及系统 |
CN115912368A (zh) * | 2022-11-28 | 2023-04-04 | 内蒙古电力(集团)有限责任公司内蒙古电力科学研究院分公司 | 一种电网运行安全系数评估方法、装置及电子设备 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104111986B (zh) * | 2014-06-30 | 2018-08-14 | 南方电网科学研究院有限责任公司 | 基于综合风险指标的电力系统连锁故障树搜索方法和系统 |
CN106327034B (zh) * | 2015-06-18 | 2019-07-26 | 中国电力科学研究院 | 基于运行可靠性模型的连锁故障搜索及薄弱环节分析方法 |
-
2018
- 2018-08-21 CN CN201810955790.7A patent/CN109118098B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109118098A (zh) | 2019-01-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109118098B (zh) | 高比例风电并网的连锁故障风险评估方法及系统 | |
Guo et al. | A multi-state model for transmission system resilience enhancement against short-circuit faults caused by extreme weather events | |
Amjady et al. | Transient stability prediction by a hybrid intelligent system | |
CN106709651B (zh) | 一种基于风险理论的电力系统安全性评估系统 | |
CN106355308B (zh) | 一种基于决策树辨识风电接入系统关键设备的方法 | |
CN112288326B (zh) | 一种适用于输电系统韧性评估的故障场景集削减方法 | |
Contreras-Jiménez et al. | Multi-state system reliability analysis of HVDC transmission systems using matrix-based system reliability method | |
EP2381094A1 (en) | Energy network and control thereof | |
CN103310307B (zh) | 基于概率风险评估的电力系统规划方案灵活性评估方法 | |
Ciapessoni et al. | An integrated platform for power system security assessment implementing probabilistic and deterministic methodologies | |
CN110783913B (zh) | 基于群的计及预想事故集最佳电网拓扑在线优化方法 | |
CN111159922A (zh) | 一种电力系统连锁故障的关键线路辨识方法和装置 | |
Zhang et al. | Fast resilience assessment of distribution systems with a non-simulation-based method | |
Pérez‐Rúa et al. | Reliability‐based topology optimization for offshore wind farm collection system | |
Noebels et al. | Decision-making under uncertainty on preventive actions boosting power grid resilience | |
Su et al. | Identification of critical nodes for cascade faults of grids based on electrical PageRank | |
Farzinfar et al. | Determination of optimal allocation and penetration level of distributed energy resources considering short circuit currents | |
Lin et al. | A physical-data combined power grid dynamic frequency prediction methodology based on adaptive neuro-fuzzy inference system | |
CN117473384A (zh) | 一种电网线路安全约束辨识方法、装置、设备及存储介质 | |
CN110021933B (zh) | 考虑组件故障的电力信息系统控制功能可靠性评估方法 | |
CN116702084A (zh) | 一种基于模糊理论的一二次融合柱上断路器状态评价方法 | |
Xu et al. | Blackout risk assessment of cascading outages considering wind power uncertainty | |
Sundarajoo et al. | Optimal load shedding for voltage collapse prevention following overloads in distribution system | |
CN114186849A (zh) | 一种计及二次系统影响的电力系统连锁故障风险评估方法及其系统 | |
Sami et al. | Machine learning-based cascade size prediction analysis in power systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |